Constrained Adaptive(제약된 적응형)란 무엇입니까?
Constrained Adaptive 제약된 적응형 - This study presents a reliability-constrained adaptive-robust multi-resolution model for generation maintenance scheduling (GMS) problem considering the uncertainty sources of electricity demand, wind power generation, and equipment unavailabilities. [1]본 연구는 전력수요, 풍력발전, 장비불가용성의 불확실성을 고려한 GMS(Generation Maintenance Scheduling) 문제에 대한 신뢰성이 제한된 적응형 강건한 다중해상도 모델을 제시한다. [1]
constrained adaptive filtering 제한된 적응 필터링
In many applications, the constrained adaptive filtering algorithm has been widely studied. [1] In general, the lncosh function is used to develop a new algorithm within the context of constrained adaptive filtering via solving a linear constrained optimization problem, where the lncosh function is a natural logarithm of hyperbolic cosine function, which can be regarded as a combination of mean-square-error (MSE) and mean-absolute-error (MAE) criteria. [2] Constrained adaptive filtering has been paid more attentions recently. [3] Firstly, we propose a compression-constrained adaptive filtering method to produce two descriptions for the source image, where the proposed filtering algorithm works not only to guarantee a high-quality side decoding but also make a high-efficient central decoding. [4]많은 응용 분야에서 제약 적응 필터링 알고리즘이 널리 연구되었습니다. [1] 일반적으로 lncosh 함수는 선형 제약 최적화 문제를 해결하여 제약 적응 필터링의 맥락 내에서 새로운 알고리즘을 개발하는 데 사용됩니다. 여기서 lncosh 함수는 쌍곡선 코사인 함수의 자연 로그이며 평균의 조합으로 간주될 수 있습니다. -제곱 오차(MSE) 및 평균 절대 오차(MAE) 기준. [2] 제한적 적응 필터링은 최근에 더 많은 관심을 받고 있습니다. [3] 첫째, 우리는 소스 이미지에 대한 두 가지 설명을 생성하기 위해 압축이 제한된 적응 필터링 방법을 제안합니다. 제안된 필터링 알고리즘은 고품질 사이드 디코딩을 보장할 뿐만 아니라 고효율 중앙 디코딩을 수행합니다. [4]
constrained adaptive robust
To accomplish more practical scheduling of microgrids under source-load uncertainties, this article first proposes a novel recourse-cost constrained adaptive robust optimization (RC-ARO) model with binary recourse variables. [1] In this paper, we propose a risk-constrained adaptive robust optimization approach to provide proactive resilient scheduling decisions for multiple networked microgrid central controllers under potential extreme events. [2]소스 부하 불확실성 하에서 마이크로그리드의 보다 실용적인 스케줄링을 달성하기 위해 이 기사에서는 먼저 이진 리소스 변수를 사용하는 새로운 리소스 비용 제약 적응형 강건한 최적화(RC-ARO) 모델을 제안합니다. [1] 이 논문에서 우리는 잠재적인 극한 상황에서 여러 네트워크로 연결된 마이크로그리드 중앙 컨트롤러에 대한 사전 탄력적인 스케줄링 결정을 제공하기 위해 위험이 제한된 적응형 강건한 최적화 접근 방식을 제안합니다. [2]
constrained adaptive algorithm
In this brief, we proposed a recursive constrained maximum이 요약에서 우리는 재귀적 제약이 있는 최대 <inline-formula> <tex-math notation="LaTeX">$q$ </tex-math></inline-formula>-<inline-formula> <tex-math notation="LaTeX">$\text{R}\acute {\text e}$ </tex-math></inline-formula><inline- 공식> <tex-math notation="LaTeX">$q$ </tex-math></inline-formula>-<inline-formula> <tex-math notation="LaTeX">$\text{R}\ 급성 {\text e}$ </tex-math></inline-formula>nyi 커널 함수를 제약 적응 알고리즘으로 변환하고 <inline-formula> <tex-math notation="LaTeX">$q$ </tex- 수학></inline-formula>-<inline-formula> <tex-math notation="LaTeX">$\text{R}\acute {\text e}$ </tex-math></inline-formula> nyi 커널 함수를 사용하여 새로운 비용 함수를 생성하고 선형 제약 필터를 생성하기 위해 재귀 형식을 제공합니다. [1] 기존의 출력 제한 적응 알고리즘과 비교하여 본 제안 알고리즘은 기존 FXLMS 알고리즘과 동일한 계산 복잡도를 가지면서도 포화 왜곡을 최소화하는 더 엄격한 출력 제한을 유지합니다. [2]